Caffe学习：2. mnist Demo

    在完成了caffe的安装之后，迫不及待的想要开始使用caffe完成一个模型的搭建。最经典的莫过于使用mnist 数据集的使用。

1. 首先下载mnist数据集。

将数据集放在 caffe\data\mnist目录下，创建文件夹：

将train-labels.idx1-ubyte 和 train-images.idx3-ubyte 放在 mnist_train_lmdb 目录下。同理，将剩下的文件放在另一个文件夹下。

2. 生成数据。

打开命令行，切换到caffe源目录下：

执行命令：

convert_mnist_data.exe .\data\mnist\mnist_train_lmdb\train-images.idx3-ubyte .\data\mnist\mnist_train_lmdb\train-labels.idx1-ubyte .\examples\mnist\mnist_train_lmdb  

会在.\examples\mnist目录下生成 mnist_train_lmdb 文件夹，文件夹中会有：

同样执行命令：

convert_mnist_data.exe .\data\mnist\mnist_test_lmdb\t10k-images.idx3-ubyte .\data\mnist\mnist_test_lmdb\t10k-labels.idx1-ubyte .\examples\mnist\mnist_test_lmdb  

同样会在.\examples\mnist目录下生成 mnist_test_lmdb  文件夹。

3. 使用配置好的网络。

找到 .\examples\mnist\lenet_solver.prototxt，使用文本打开，将最后一行的GPU修改为CPU。

找到.\examples\mnist\lenet_train_test.prototxt，将其中的两条 source 分别加 . 。

配置到此结束。

4. 训练网络。

在caffe源目录下执行命令：

   caffe train --solver=.\examples\mnist\lenet_solver.prototxt

开始训练模型。

训练完成后，可以看到正确率为0.9914，loss为0.03左右。

到此，使用mnist模型完成。